Par Elisha Bajemon, Ingénieur IA chez TW3 Partners. Dernière mise à jour : 26 octobre 2026.

En bref

La recherche appliquée en IA de TW3 Partners et de Racine.ai est documentée par les huit textes publics de 2025 et 2026 examinés ici. La page R&D du cabinet réunit ces prépublications arXiv, communications de conférence et billets techniques. Racine.ai est la filiale de TW3 Partners, selon le billet Hugging Face du 1er octobre 2025. Parmi ces travaux, TW3Cast, déposé sur arXiv le 16 septembre 2026, annonce la troisième place sur 130 entrées par rang MASE moyen dans le classement recalculé par les auteurs au 14 septembre 2026. Les résultats restent attachés à leur protocole : Better Deck, arXiv, 30 septembre 2026, ne dispose notamment d’aucun jeu de référence évalué par des banquiers. Les ressources ouvertes permettent d’examiner certaines mesures, avec les restrictions de reproduction précisées ci-dessous.

1. Une hausse de note donnée par un juge LLM traduit-elle un meilleur document ?

Un modèle de langage utilisé comme juge peut changer la note d’un document inchangé lors d’une seconde évaluation. C’est un constat de Better Deck or Different Judge?, prépublication arXiv v1 du 30 septembre 2026, signée Ludovic Gibert, AIData2Action, Matis Despujols et André-Louis Rochet, TW3 Partners.

Un harnais désigne ici l’ensemble des calculs, gabarits et contrôles qui entourent le modèle pour produire une présentation. L’étude porte sur 17 livrables de développement et un modèle de 27 milliards de paramètres hébergé sur site. Dans la comparaison sur texte seul, sans marqueurs de gabarit et à session de notation commune, l’avantage moyen du système complet varie selon le juge de 20,4 à 33,6 points sur 95 face au même modèle sollicité directement par une consigne courte. Face à Opus en génération directe avec une consigne courte, l’écart moyen va de -4,7 à +0,8 point selon le juge.

Les auteurs soulignent que l’accord entre juges ne démontre ni l’exactitude ni l’acceptabilité professionnelle. Ils recommandent de conserver la configuration du juge et de répéter la notation avant d’interpréter un petit gain. Les scores anonymisés et scripts d’analyse sont disponibles sur demande.

À lire : Meilleur document ou juge différent ? Évaluer un agent qui produit des présentations de banque d’investissement.

2. Un système sans agent ni modèle de langage peut-il bien se classer en prévision ?

Les auteurs de TW3Cast, prépublication arXiv v1 du 16 septembre 2026, situent leur système à la troisième place sur 130 entrées par rang MASE moyen dans leur classement recalculé au 14 septembre 2026. Nathan Thierry et André-Louis Rochet, affiliés à TW3 Partners, décrivent un système sans agent ni modèle de langage.

Une table figée sélectionne les modèles pour 97 configurations associant données, fréquence et horizon de prévision. Les choix reposent sur une simulation rétrospective découpée dans les données d’entraînement. Au même relevé du 14 septembre 2026, les auteurs rapportent une huitième place selon le rang moyen de perte quantile pondérée, mesure associée aux prévisions probabilistes : le résultat dépend donc du critère retenu.

Sur le classement GIFT-Eval de Salesforce, au relevé du 9 octobre 2026 à 11 h 46 UTC, TW3Cast figure en cinquième ligne de l’onglet Overall, avec un rang MASE moyen de 22,773. Le tableau lui attribue l’étiquette « agentic », à distinguer de l’architecture décrite dans l’article. Le dépôt de code TW3Cast et les artefacts Hugging Face donnent accès aux éléments de reproduction publiés.

À lire : TW3Cast : un système de prévision sans agent ni modèle de langage, 3e sur 130 à GIFT-Eval au 14 septembre 2026.

3. Comment valider un indicateur qui remplace une mesure coûteuse ?

La méthode étudiée consiste à définir les épreuves que l’indicateur doit réussir, puis à les vérifier sur des données tenues à l’écart. Scoring Without the Engine, prépublication arXiv v1 du 7 septembre 2026, présente cette méthode. Elisha Bajemon et André-Louis Rochet y sont affiliés à TW3 Partners, avec la mention Citead.

Les auteurs retiennent cinq tests : contrôle négatif, réponse à l’intensité des modifications, amplification bornée, pénalité de duplication et neutralité à la longueur. Ils ajoutent une analyse des limites prédictives et une nouvelle mesure des preuves causales disponibles. Dans leur démonstration sur l’optimisation de contenus pour les moteurs de réponse (GEO), le gain moyen maximal mesuré par amplification d’un levier du score est de 6,1 points. Ce résultat empirique, précisé dans le corps du texte, se distingue de la borne théorique démontrée pour un levier isolé.

Ce score de contenu sert de filtre de qualité et ne prédit pas la citation pour une requête donnée. La nouvelle évaluation ne retrouve pas d’amélioration de la citation par les leviers GEO testés, issus des travaux de 2023, dans les familles de moteurs étudiées. Le dépôt de reproduction publie des artefacts ; son NOTICE exclut le moteur de notation lui-même. Citead présente aussi la description de son score.

À lire : Valider un indicateur bon marché qui remplace une mesure coûteuse : le protocole de Scoring Without the Engine, puis Trois erreurs trouvées et corrigées avant publication : l’audit interne d’un papier de recherche appliquée.

4. Pourquoi la perception reste-t-elle un obstacle pour les agents d’interface ?

Selon les auteurs de CU-1, communication IEEE Big Data de décembre 2025 répertoriée sur HAL, un agent peut raisonner correctement tout en repérant mal l’élément sur lequel agir. Leur détecteur traite les éléments d’interface comme une classe unique et concentre l’apprentissage sur leur localisation.

Présenté à Macao lors de la conférence du 8 au 11 décembre 2025, le travail réunit André-Louis Rochet, Matis Despujols et Léo Appourchaux, TW3 Partners ; Noé Brandolini, ECE et TW3 Partners ; David Soeiro-Vuong et Paul Lemaistre, ECE et Racine.ai ; Gérard Réus, ECE ; Bikram Pratim Bhuyan, ECE et LISV, université Paris-Saclay. Nous reprenons les affiliations du texte intégral de CU-1.

Sur WebClick, CU-1 obtient 70,8 % de réussite contre 58,8 % pour OmniParser V2. Le résultat concerne le clic demandé dans ce protocole. Les auteurs soulignent les limites des captures statiques, l’absence de rôles sémantiques en sortie et l’évaluation sur une action unique. Le modèle est accessible sous le nom UI-DETR-1 sur Hugging Face.

5. Peut-on fusionner des modèles de langage sans réentraînement ?

La publication étudie une fusion sans réentraînement, sous réserve de compatibilité entre les modèles parents. Selon sa notice HAL, Geometric Model Merging a été présenté à IEEE Big Data à Macao en décembre 2025. Le texte intégral de la communication décrit la méthode Layer-Adaptive SLERP, qui ajuste la combinaison des paramètres selon les couches du modèle.

Le PDF est signé Lilian Rage, Youri Lalain, Mathis Escriva et Martial Roberge, ECE ; Paul Lemaistre, Racine.ai ; André-Louis Rochet, ECE et TW3 Partners ; Gérard Réus, ECE ; Bikram Pratim Bhuyan, ECE et LISV, université Paris-Saclay. Pour Paul Lemaistre et André-Louis Rochet, nous suivons ces affiliations imprimées, qui diffèrent de celles de la notice HAL.

L’étude couvre plus de 50 fusions, six familles architecturales et des tailles allant de 0,5 à 7 milliards de paramètres. À 0,5 milliard, les auteurs recommandent une SLERP globale en raison de la fragilité liée à la capacité du modèle. Nous recommandons donc d’examiner la compatibilité des parents et de mesurer le modèle obtenu sur la tâche visée.

À lire : Fusionner des modèles de langage sans réentraînement : la méthode Layer-Adaptive SLERP (IEEE Big Data 2025), puis Quand la fusion de modèles échoue : vocabulaire des tokenizers, angle entre couches et taille du modèle.

6. Que publie le billet UI-DETR-1 et que révise-t-il ?

Le billet présente le détecteur sous licence MIT et corrige son protocole comparatif. Publié sur Hugging Face le 1er octobre 2025, il nomme Léo Appourchaux et Matis Despujols, TW3 Partners ; Noé Brandolini, TW3 Partners et étudiant à l’ECE ; David Soeiro-Vuong, Racine.ai et étudiant à l’ECE ; Paul Lemaistre, Racine.ai et enseignant à l’ECE.

L’avis de révision explique que l’évaluation initiale employait des paramètres de détection et des consignes insuffisamment optimisés. Les auteurs présentent les résultats initiaux et ceux obtenus après ajustement des seuils et des consignes.

Le contexte comparatif a évolué : selon son historique de commits du 23 septembre 2026, Microsoft a ajouté un détecteur OmniParser. Sa fiche de modèle le présente sous licence MIT et distingue les licences par composant. L’argument de licence du billet doit être lu dans son contexte de publication.

À lire : Licence MIT ou AGPL-3.0 : ce que change la licence d’un composant d’IA pour un produit d’entreprise.

7. Un petit modèle vision-langage européen peut-il retrouver la bonne page ?

Flantier explore cette question par la préparation des données et l’adaptation de SmolVLM. Le billet Hugging Face du 26 mars 2025 est signé Paul Lemaistre et André-Louis Rochet, TW3 Partners et cofondateurs de Racine.ai, ainsi que Léo Appourchaux, TW3 Partners.

Les auteurs fusionnent et harmonisent des jeux de données pour associer des questions aux images des pages pertinentes. Leur évaluation interne présentée dans le billet porte sur l’énergie. La recherche documentaire consiste ici à retrouver l’image de la page correspondant à une demande.

Les performances en français et dans les autres langues européennes nécessitent encore une optimisation, selon les auteurs, qui appellent aussi à élargir la couverture sectorielle des données. Le lien de préparation des données mène au dépôt VDR_pdf-to-parquet.

8. Que montre la spécialisation sur la réglementation nucléaire ?

Le billet nucléaire montre une amélioration de la recherche documentaire sur le banc construit par les auteurs. Publié sur Hugging Face le 26 août 2025, il est signé Yumeng Ye, Racine.ai, Léo Appourchaux et Noé Brandolini, TW3 Partners.

Les auteurs décrivent un corpus comprenant de la documentation réglementaire publique, 40 000 exemples d’entraînement et une adaptation LoRA. Les questions de préparation sont produites avec Gemini 2.5 Flash. La mesure NDCG@1 évalue ici si le document pertinent arrive en tête des résultats.

ModèleAnglaisFrançais
SmolVLM de base0,170,04
Modèle spécialisé nucléaire0,740,61

Selon le tableau du billet Hugging Face du 26 août 2025, ces scores NDCG@1 portent sur le jeu de test des auteurs.

Le billet identifie l’optimisation linguistique comme un travail à poursuivre. Notre lecture pour une direction métier : ces mesures justifient un essai de recherche documentaire sur ses propres fonds ; elles ne mesurent pas la conformité d’une décision opérationnelle. Le modèle publié et le code de préparation sont accessibles.

À lire : Spécialiser un petit modèle vision-langage sur la réglementation nucléaire : méthode et résultats en anglais et en français.

FAQ

Où lire ces publications ?
Les liens des sections donnent accès aux textes arXiv, HAL et Hugging Face. La page R&D de TW3 Partners les rassemble avec les modèles et jeux de données.

Ces travaux ont-ils été relus par des pairs ?
Les notices HAL de CU-1 et de Geometric Model Merging déclarent des communications de conférence avec relecture. Les dépôts arXiv de septembre 2026 sont des prépublications ; Hugging Face présente les billets comme des articles communautaires.

Tout le code est-il public ?
La discussion de reproduction de TW3Cast précise que le code de sélection du tournoi reste non publié. Le NOTICE du score exclut le moteur, tandis que Better Deck, septembre 2026, propose ses scripts d’analyse sur demande.

Pourquoi dater chaque rang ?
Les auteurs de TW3Cast, septembre 2026, avertissent qu’un lecteur ultérieur doit s’attendre à une position différente. Le périmètre des concurrents et la métrique doivent accompagner le rang pour permettre sa comparaison.

Qui signe les travaux ?
Les affiliations sont précisées dans chaque section à partir des textes. Elles associent TW3 Partners et Racine.ai à l’ECE, au LISV ou à AIData2Action selon la publication.

Ces résultats valent-ils pour mon organisation ?
Nous recommandons de partir du protocole et des limites décrits pour construire un essai local. Il reste à choisir des données représentatives du besoin et des critères d’acceptation métier avant toute décision de déploiement.

Pour aller plus loin

Sources